利用计算机视觉和机器学习检测突发事件的研究
2024年11月22日 更新者：Neuro Event Labs Inc.
计算能力的提高使得在日常使用中实现复杂的图像识别任务和机器学习成为可能。 本项目 (Nelli) 中使用的基于计算机视觉和机器学习的解决方案是一种自动缉获检测和报告方法，具有用于此特定用途的 CE 标志。
本研究将提供数据以扩展 NELLI 的实用性和检测能力，并提高自动化计算机视觉和基于机器学习的癫痫检测的准确性和临床实用性。
研究概览
详细说明
这是与癫痫发作表征的临床黄金标准的前瞻性盲目比较。
本研究旨在将 Nelli 软件识别癫痫发作事件的能力与疑似夜间癫痫发作的成年人的 vEEG 检查进行比较。
同时，Nelli 将连续录制音频和视频，同时按照典型的护理标准记录视频脑电图 (vEEG)。
具有阳性运动表现的事件将按照标准临床实践，由三名癫痫病学家使用临床 vEEG 数据独立确定。
Nelli Software 将审查音频和视频数据，并独立识别具有积极运动表现的事件。
将在 Epileptologists 和 Nelli 软件之间比较事件识别的结果。
对于捕获的每个事件类别，将使用精确二项式方法计算正百分比一致性。
这项研究的主要终点是证明 Nelli 能够识别具有阳性运动成分的癫痫发作，灵敏度 > 70%。
研究类型
观察性的
注册 (实际的)
233
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Pennsylvania
-
Philadelphia、Pennsylvania、美国、19107
- Thomas Jefferson University
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 99年 (成人、年长者)
接受健康志愿者
不
取样方法
概率样本
研究人群
正在接受视频脑电图监测以进行常规临床护理的疑似运动性癫痫发作的患者。
描述
纳入标准：
- 所有因临床目的接受视频脑电图监测且疑似癫痫发作的患者。
排除标准：
-
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：其他
- 时间观点：预期
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
癫痫发作检测系统的灵敏度
大体时间：在医院进行常规癫痫监测期间 - 长达一周
|
主要结果测量将是 Nelli 系统检测具有阳性运动成分的癫痫发作的敏感性，与独立的神经学家审查癫痫监测单位收集的 vEEG 相比。
这是与临床金标准 (vEEG) 的盲法比较
|
在医院进行常规癫痫监测期间 - 长达一周
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Michael Sperling, MD、Jefferson University
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年1月9日
初级完成 (实际的)
2022年11月27日
研究完成 (实际的)
2022年11月27日
研究注册日期
首次提交
2021年1月29日
首先提交符合 QC 标准的
2021年2月3日
首次发布 (实际的)
2021年2月4日
研究记录更新
最后更新发布 (估计的)
2024年11月25日
上次提交的符合 QC 标准的更新
2024年11月22日
最后验证
2024年11月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.